激活函数和loss

1.sigmod函数。公式为1/1+e^-x。起到的作用如图所示:
在这里插入图片描述
2. tanh函数,公式如图
在这里插入图片描述
其实可由sigmoid函数变化而来。
在这里插入图片描述

  1. relu函数
    在这里插入图片描述
    在这里插入图片描述
    优先使用,最常用

  2. mse–loss函数
    在这里插入图片描述
    与2范数略有不同。缺了一个平方。

  3. 首先初始化x和w,也就是输入和权重,使用F.mse_loss()函数(其中F为torch.nn.function)计算出mse均方误差,接着使用torch.autograd.grad()函数来进行梯度的计算。这里出现的第一个错误就是因为没有指定w是一个带梯度的量,可以通过w.requires_grad()来使得w变成带有梯度计算的量,然后运行会出现另一个错误,是因为pytorch是一个动态图的形式,需要再次进行计算更新。当然,这里也可以在一开始指定w为可以计算梯度的tensor。使用w = torch.tensor([.2], required = True)就可以实现。然后通过自带的函数则可计算出梯度。在这里插入图片描述

  4. backword函数也可以计算出梯度,可以调用w.grad,w1.grad来进行调用
    在这里插入图片描述
    在这里插入图片描述

  5. 在这里插入图片描述

  6. 在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

酸辣土豆丝2333

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值